摘要
本发明涉及酿酒技术领域,公开了一种浓香型白酒糟醅层次与关键化合物的识别方法及装置,旨在解决现有糟醅层次和关键化合物确定方法存在效率和准确性较低的问题,方案主要包括:获取多个糟醅样本的化合物特征和糟醅层次特征,并根据化合物特征和糟醅层次特征构建样本数据集;根据所述样本数据集训练神经网络模型,获得糟醅层次预测模型,并在所述糟醅层次预测模型中嵌入化合物特征贡献模块;将待预测糟醅的化合物特征输入糟醅层次预测模型,获得待预测糟醅的糟醅层次预测结果,根据糟醅层次预测结果并基于化合物特征贡献模块,获得待预测糟醅的关键化合物识别结果。本发明提高了糟醅层次和关键化合物确定的效率和准确性,适用于酿酒过程调控。
技术关键词
浓香型
训练神经网络模型
识别方法
酒糟
样本
优化神经网络模型
神经网络模型训练
大曲
模块
数据
酿酒技术
丁香酚
识别装置
标签
苯酚
乙基
甲基
算法
系统为您推荐了相关专利信息
岩性填图方法
反射率数据
深度学习神经网络模型
模糊C均值
特征提取网络
混合网络
训练样本数据
神经网络模型训练
场景
无人机协同工作
条码图像
条码识别方法
特征提取模型
条码识别装置
融合特征